基于模糊集的图像边缘检测算法

边缘检测一直是图像处理中一个热门课题，本文在对经典模糊边缘检测算法思想进行分析的基础上，提出了一种边缘检测算法，该算法通过阈值分区间定义一种模糊隶属函数，可将数字图像转化在等效的模糊特征平面上，然后选用适当的增强算子对图像进行模糊增强，增强后的图像经逆变换后进行边缘提取即可得到所需图像的边缘特征。应用这种算法计算量小，运算速度较快，提取的边缘细致，是一种很有实用价值的边缘提取算法。     

含缺陷固体火箭发动机燃面自适应提取算法

固体火箭发动机CT图像存在的伪影噪声会严重影响初始燃面边界与缺陷的提取，并且实际CT图像中缺陷信息提取困难，研究有效地去掉CT图像中伪影并自动提取出燃面数据与缺陷数据的算法具有重要的工程实际价值。针对CT图像去伪影与缺陷提取难的问题，提出一种IBM3D滤波算法，在块匹配阶段利用边缘检测的先验信息寻找相似块；并提出一种自适应Canny边缘检测算法与种子八连通标记法相结合的方式将图像中的初始燃面与缺陷数据有序地分离出来。实验结果表明IBM3D算法的峰值信噪比与结构相似性水平较其他算法更高，自适应边缘检测算法提取的燃面缺陷信息较其他算法更为完整。实现了含缺陷的固体火箭发动机CT图像质量的提升，并准确地提取初始燃面、缺陷信息。     

面向视觉假体的复杂图像处理技术

为了更准确地提取视觉假体采集的复杂图像中的信息,提出了一种基于视觉显著性的复杂图像视觉焦点检测和基于多尺度信息融合的图像边缘特征提取算法。算法首先利用GB算法计算复杂图像显著性图,然后利用双阈值分割和形态学方法提取出复杂图像中的视觉焦点区域。其次,针对传统边缘检测中单尺度微分算子的不足,提出了融合多尺度Sobel的边缘检测方法。提出的复杂图像处理策略既简化了图像信息编码的复杂度,又提高了边缘提取算法的噪声稳健性。     

基于形状的CT图像断层间数据插值算法

CT脑血管三维重建图像都是源自二维断层扫描,由于二维断层扫描图像是对一定厚度的三维物体在二维平面上的断层投影,在目前的技术水平下,相邻两断层图像间的扫描距离要大于同一断层中解剖组织相邻像素间的图像显示距离.为保证三维重建图像的质量,在研究了CT脑血管二维图像特征后,提出了一种新的基于形状和基于灰度的图像断层间数据插值算法,并取得了较理想的实验效果.     

一种多特征融合的图像检索新方法

如何提高基于内容的图像检索的准确率是图像检索领域中的一大难题,其关键在于特征提取方法。针对单一特征检索效果的不足,从图像的多特征入手,先使用颜色和边缘的方向性描述符提取图像的颜色和纹理特征,再使用分层梯度方向直方图提取图像的形状特征,最后采用图像底层特征串行关联的方法将3种特征结合进行检索。使用Corel标准图像集进行测试,结果表明本文方法的查准率和AvgP值比两种原算法均有提高,是一种有效的多特征融合的图像检索方法。     

基于词包模型的高分辨率SAR图像特征提取

特征提取在图像处理中是重要的一环,传统的特征提取算法已无法满足高分辨率图像的要求。研究运用高分辨率SAR图像的词包模型特征提取算法,旨在进一步优化对高分图像的解析。首先通过SIFT 算法提取图像关键点,再对关键点进行特征向量提取。在词包模型的特征向量提取中,将边缘算子和WLD描述子作为新的特征向量加入词包模型中,以此提高特征分析对于边缘检测能力以及减少光照差带来的影响。通过对什邡城区SAR图像实测数据的特征提取和分类实验,证明新的词包模型算法具有更好的稳定性和有效性。     

基于数据融合的图像边缘检测算法研究

提出了一种基于数据融合的图像边缘检测算法。该算法对原始图像分别采用Canny算子和小波变换两种方法进行边缘提取,再将两种方法结果通过数据融合的手段获得一幅新的边缘图像。实验证明,融合后的图像边缘包含了原始图像丰富的细节信息和较完整的轮廓,该算法优于单独采用Canny算子所获得的边缘图像,是一种有效的图像边缘检测方法。     

图像边缘检测算法及在电厂中的应用

介绍几种典型的边缘检测算法 ,对它们各自的特点进行比较。讨论边缘检测在电厂锅炉炉膛火焰检测方面的应用。对一幅原始火焰图像 ,用两种边缘检测算法提取火焰图像的边缘 ,并对提取后的边缘图像进行分析。最后对边缘检测算法的发展方向进行展望。     

基于改进直线检测的箱体跌落姿态角解算方法

弹药跌落环境模拟系统主要用于对各种弹药(箱装或裸弹)、引信、仪器设备等进行跌落试验。针对野外复杂背景下高速相机采集的目标跌落图像噪声大、边缘复杂不易提取且图像数据量大等问题，设计了融合高斯核函数和边窗思想的滤波算法、基于感兴趣区域(region of interest, ROI)的改进Hough直线检测算法以及基于序列图像ROI动态更新的边缘直线自动提取算法，解决了去噪过程中目标边缘扩散和序列图像姿态角解算耗时长的问题。实验表明，所提出的改进算法保护了高噪声图像的边缘特征，直线检测耗时低于标准Hough变换耗时的1/10,实现了多帧图像运动目标姿态角的快速自动提取，姿态角解算平均绝对误差为0.36%。     

粒计算在图像拼接中的应用研究

应用粒计算理论提出了一种新的基于特征的图像拼接算法.图像拼接技术的关键在于图像配准问题,采用的配准方法是首先建立图像的粒计算模型,对图像进行边缘检测得到边缘图;在边缘图中利用梯度信息提取图像特征点;对两幅图像的特征点进行相关操作找出匹配特征点.实验结果表明文中所提算法的运算效率和拼接结果优于传统算法,且算法稳健,取得了良好的效果.     

CT脑血管图像的三维重建图形配准算法

在CT脑血管医学图像断层间三维重建图形配准中,提出了基于图像内部各个血管轮廓间相对位置信息的优化新算法.利用血管组织结构在系列断层切面上的重心位置具有连续性这一规律,在相邻两断层切片内寻找血管轮廓之间的配准关系.由于脑血管轮廓的形状比较对称,其重心与其几何中心相距甚微,因此,利用几何中心来代替重心,根据各轮廓的面积求其"质量",实现血管轮廓配准.实验结果表明,该方法具有全局最优和鲁棒性更强的特点.     

融合边缘检测的遥感图像超分辨率重建算法

针对基于生成对抗网络的遥感图像超分辨率重建存在训练不稳定,参数冗余,图片纹理细节不够清晰等问题。提出一种融合边缘检测的遥感图像超分辨率重建算法。首先,在生成器网络中引入改进后的Canny边缘检测算子用于低分辨率图像特征提取,通过在Canny算子边缘提取流程中利用双边滤波和3×3邻域梯度以检测图像的边缘信息,使网络能够更好的表达高频特征;其次,为降低网络参数和提高网络训练的稳定性,去除判别器网络中冗余的BN层,同时将Wasserstein距离定义为对抗损失以解决生成对抗网络训练出现的梯度消失现象。在NWPU RESISC45数据集上,所提方法的峰值信噪比与结构相似性较WDSR和CARN算法分别提升了1.22 dB、0.114和0.32 dB、0.013,且重建后的图像相比较WDSR、CARN等其他SR算法在图像纹理细节和主观视觉效果方面也均有提升。     

基于深度学习的脊椎CT图像分割

脊椎CT图像分割是脊椎三维重建可视化的关键。针对脊椎CT图像中脊椎边缘模糊,结构复杂,形状多变等问题,基于深度学习方法提出一种双解码器网络。该网络在编码解码网络U-Net结构基础上增加了一条结构相同的并行解码分支,两个解码分支可以互补地提取图像特征。并且,在编码与解码之间加入双重特征融合模块,解决网络在下采样和上采样过程中造成的语义信息丢失问题。同时用密连混合卷积模块代替原始卷积模块,提高网络对多尺度特征的提取能力。此外加入高效注意力模块,使网络在空间上注重学习感兴趣区域,在通道上抑制无关信息。在CSI2014公开数据集上进行测试,Dice系数达到0.970,Jaccard系数达到0.945,召回率达到0.962。实验结果表明,该网络能够提高脊椎分割精度,具有较好的泛化能力,可以满足临床脊椎CT图像分割需求。     

Automated registration of brain images using edge and surfacefeatures

We present an automated multimodality (CT & MRI) registration algorithm based on hierarchical feature extraction. Two kinds of shape representations-edge and surface-are extracted hierarchically from different image modalities. The registration then is performed using least-squares matching of the user-specified (but automatically extracted) corresponding features. In our implementation, the 3-D version of the Canny edge detector is employed in the extraction of corresponding edge information. An automatic segmentation algorithm is introduced to extract the corresponding surfaces from the edges efficiently. The geometric matching of those extracted shape features then is performed using the iterative closest-point matching method     

管道腐蚀视觉测量图像边缘检测算法研究

为实现管道内表面腐蚀图像的边缘检测,分析了经典的边缘检测方法,针对其存在检测精度低和抗噪声性能差等缺点,研究了一种基于BP神经网络的图像边缘检测算法。利用标准图像和经传统边缘检测算法检测得到的边缘图像作为输入输出数据,并用大量数据进行训练,构建了可实现图像边缘检测的BP神经网络。用训练好的神经网络实现管道内表面腐蚀图像边缘检测,并与传统的边缘检测算法检测结果进行了比对,实验结果表明,该算法可明显提高检测精度及抗噪声能力,具有广泛的适用性。     

通道可分离残差网络的图像超分辨率重建

针对现有图像超分辨率重建技术中存在的特征提取方式单一、中间层特征提取不充分等问题，提出了一种通道可分离残差网络。首先，利用多尺度卷积的思想设计出多分支卷积块，充分提取图像的低频信息；其次，利用通道压缩进行降维以精简特征信息，并引入坐标注意力机制对局部融合特征进行增强，通过长短跳跃连接，在加速收敛的同时使得主干网络专注于提取高频特征；最后通过上采样层重建出高分辨率图像。将本算法在Set5、Set14、BSD100和Urban100等4个超分辨率重建领域中公共数据集上进行对比分析，其中在2倍重建任务的Set5数据集上，与DBPN相比，参数量是它的2/5，PSNR和SSIM分别高出0.09 dB和0.001 6。实验结果表明，该算法对图像特征充分提取，以较少的参数量实现了与其他大型模型性能相近甚至更好的重建效果。     

基于AprilTag图像识别的移动机器人定位研究

药液在生产过程中易混入不溶异物,因此投入市场前的必须对药液进行检测。针对安瓿瓶药液检测,区别于传统的序列图像检测算法,设计了一种基于机器视觉和卷积神经网络的检测方法。首先利用Canny边缘检测提取安瓿瓶瓶壁边缘,裁剪药液区域图像,减少了后续计算量;其次改用VGG16卷积神经网络进行不溶异物的特征提取,可以提取到传统特征之外的抽象特征;最后通过迁移学习和微调,在400张测试样本中,结果为识别正确378张。结果表明,该方法可以检出不溶异物,满足实际生产需求。